白話導讀
Engineering Optimization
SCI · IF 2.2
2024/12
不押單一策略，用演算法挑出最佳「策略組合」
PASS: Portfolio Analysis of Selecting Strategies on quantitative trading via NSGA-II
Mu-En Wu, Ting-Chen Chen, Chien-Ping Chung, Guan-Rong Li, Da-Wei Chiang, Dong-Yuh Yang*
一句話：與其賭一個「最強單一策略」，不如挑「最好的策略組合」。這篇用多目標基因演算法 NSGA-II，
從一堆量化交易策略裡選出最佳搭配，同時顧「賺得多」和「套牢時間短」。
先問：這在解什麼問題？the problem
量化交易手上常有幾十上百個策略。單押一個,萬一它失靈就慘;但要把多個策略「組合」起來,又會遇到一個難題:
「賺得多」和「跌得少、套牢短」常常是互相衝突的目標——想更賺就得冒更大風險,反之亦然。這種「顧此失彼」正是典型的多目標最佳化問題。
白話比喻:這就像組一支球隊,不是把「最會得分」的一個人放上去就好,而是要搭配出「攻守均衡、又不容易崩盤」的整體陣容。
怎麼做？三個重點the method
NSGA-II
多目標最佳化
用多目標演化演算法,同時優化「獲利」與「風險」這些會打架的目標,找出一整排「取捨最優」的組合(Pareto 前緣)。
DDD 新指標
看「痛多久」
引入「回撤持續時間(drawdown duration)」——不只看跌多深,更看「套牢多久才回本」,把穩定度量化。
Portfolio Selection
挑最佳組合
從策略池裡選出彼此互補、整體表現最好的策略組合,而不是孤注一擲押單一策略。
從策略池出發,用 NSGA-II 同時追求「獲利高、套牢短」,得到一排取捨最優的組合,再從中挑出投資組合。
成果如何？results
−73.9%
回撤持續時間(DDD)風險 較其他多目標演算法降低
NYMEX · WTI · YM
在原油與 Mini 道瓊期貨市場實測驗證
也就是說——PASS 挑出的策略組合,不只賺得略多,更關鍵的是「套牢的煎熬時間大幅縮短」,讓整體績效更穩、更能撐過難熬的盤。
閱讀原始論文(Engineering Optimization) →